Muhasebe hileleri, küresel ekonomilere zarar veren önemli bir risk faktörü olarak finansal raporlama süreçlerinde büyük bir tehdit oluşturmaktadır. Özellikle son yıllarda yaşanan büyük ölçekli muhasebe skandalları, denetim süreçlerinin geliştirilmesi ve hile tespitine yönelik daha güçlü modellerin oluşturulmasını zorunlu kılmıştır. Geleneksel yöntemlerle yürütülen hile tespit süreçleri belirli kurallar ve finansal oranlar üzerine kurulu olup, zaman zaman yetersiz kalabilmektedir. Bu bağlamda, yapay zekâ teknolojilerinin muhasebe hile tespitinde kullanımı giderek daha fazla ilgi görmektedir.

Bu çalışmada, OpenAI tarafından geliştirilen ChatGPT-4o modeli üzerine inşa edilen özel bir muhasebe hile tahmin modeli oluşturulmuştur. Model, Borsa İstanbul (BİST) Yakın İzleme Pazarı’nda işlem gören firmaların 2013-2022 yıllarına ait mali verileri ile eğitilmiş ve 2023 yılı için hile tahminleri üretecek şekilde test edilmiştir. Eğitim sürecinde, yapay zekâya Beneish Modeli ve muhasebe hileleri hakkında kapsamlı bilgiler verilmiş, modelin analiz yetenekleri etkileşimli soru-cevap teknikleri ile geliştirilmiştir.

Modelin performansını değerlendirmek için, ürettiği tahminler Beneish Modeli’nin hesaplanan M-skorları ile karşılaştırılmıştır. Sonuçlar, ChatGPT-4o tabanlı modelin manipülasyon riski taşıyan firmaları tespit etme konusunda belirli bir tutarlılığa sahip olduğu ancak ufak tefek hatalar yaptığını göstermektedir. Bununla birlikte, model kesin yargılar vermekten kaçınarak, yıllar içindeki finansal eğilimleri analiz ederek olasılık bazlı tahminler yaptığı görülmüştür. Sonuç olarak, Modelin verdiği sonuçlar ile geleneksel Beneish Modeli hesaplamaları arasında büyük ölçüde paralellik gözlemlenmiştir.

Bu araştırma, yapay zekânın muhasebe hile tespitinde uygulanabilirliğini değerlendirmeyi ve finansal analiz süreçlerinde nasıl bir rol oynayabileceğini incelemeyi amaçlamaktadır. Çalışmanın bulguları, yapay zekâ tabanlı tahmin modellerinin muhasebe hilelerini belirlemede geleneksel yöntemleri tamamlayıcı bir araç olarak önemli katkılar sağlayabileceğini göstermektedir. Bu doğrultuda, gelecekte yapay zekâ modellerinin daha geniş veri setleriyle eğitilerek, finansal denetim süreçlerine daha aktif şekilde entegre edilmesi mümkün olabilir.